【技术实现步骤摘要】
本专利技术涉及目标检测，更具体的说是涉及一种低光照条件下的目标检测方法。
技术介绍
1、在计算机视觉领域，目标检测技术的持续发展为我们在各种环境中实现精准识别和定位物体提供了关键性的手段。然而，在低光照条件下，目标检测的挑战变得更加严峻，因为图像中的关键特征往往受到不明显的影响。
2、现有的yolov5s模型结构如图1所示，包括骨干网络(backbone)、颈部网络(neck)和检测头(head)；其中，骨干网络负责提取图像特征，neck网络用于多尺度特征融合，检测头部则输出目标的位置和类别信息，共同完成目标检测任务。但是该方法存在特征融合率低、计算量大等缺陷。
3、当涉及到深度学习和计算机视觉领域的目标检测任务时，se注意力机制是一项备受关注的关键技术。参见图2所示，该机制在神经网络的各个层之间引入了自适应的通道权重调整，从而显著提升了模型的性能。se注意力机制的核心思想在于从输入的特征图中学习到每个通道的重要性，并通过动态的通道加权方式来增强有意义的特征信息，同时抑制对任务无关或噪声性质的特征。其工作原理可分...
【技术保护点】
1.一种低光照条件下的目标检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种低光照条件下的目标检测方法，其特征在于，所述步骤S1具体包括：
3.根据权利要求1所述的一种低光照条件下的目标检测方法，其特征在于，所述步骤S2具体包括：筛除所述图像数据集中质量低于预设条件的图像。
4.根据权利要求1所述的一种低光照条件下的目标检测方法，其特征在于，所述改进YOLOv5模型的搭建过程包括：
5.根据权利要求1所述的一种低光照条件下的目标检测方法，其特征在于，所述改进YOLOv5模型的训练过程包括：
6...
【技术特征摘要】
1.一种低光照条件下的目标检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种低光照条件下的目标检测方法，其特征在于，所述步骤s1具体包括：
3.根据权利要求1所述的一种低光照条件下的目标检测方法，其特征在于，所述步骤s2具体包括：筛除所述图像数据集中质量低于预设条件的图像。
4.根据权利要求1所述的一...
【专利技术属性】
技术研发人员：李建荣，张正茂，严争辉，李沂聪，田聪，田乾乾，可婷，张传雷，马辉，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。